【摘要】：針對(duì)自動(dòng)泊車(chē)系統(tǒng)對(duì)不同類(lèi)型停車(chē)位進(jìn)行識(shí)別的要求,提出一種基于距離和視覺(jué)信息融合的停車(chē)位智能識(shí)別方法。建立了根據(jù)超聲波傳感器、視覺(jué)信息傳感器、里程計(jì)信息來(lái)辨識(shí)停車(chē)位兩側(cè)車(chē)輛姿態(tài)和車(chē)位參數(shù)的模型,根據(jù)Mamdani模糊推理計(jì)算輸出相應(yīng)的泊車(chē)車(chē)位識(shí)別結(jié)果。利用Matlab/Simulink搭建車(chē)位自動(dòng)辨識(shí)以及相應(yīng)的泊車(chē)路徑仿真模型,針對(duì)五個(gè)典型的停車(chē)位場(chǎng)景進(jìn)行了仿真分析,仿真結(jié)果驗(yàn)證了車(chē)位智能識(shí)別和泊車(chē)路徑規(guī)劃方案的合理性和有效性。將自主開(kāi)發(fā)的自動(dòng)泊車(chē)系統(tǒng)搭載于某轎車(chē)進(jìn)行試驗(yàn),試驗(yàn)結(jié)果表明,該泊車(chē)系統(tǒng)對(duì)規(guī)則和不規(guī)則車(chē)位的自動(dòng)識(shí)別正確率為88%~98%,平均值為92.8%,從而驗(yàn)證了車(chē)位智能識(shí)別方法的良好效果。
文內(nèi)圖片：
圖片說(shuō)明： 幌叩某【跋攏嚓?統(tǒng)決策模塊依靠攝像頭對(duì)車(chē)位線進(jìn)行識(shí)別和檢測(cè)，判斷停車(chē)位類(lèi)型。如德國(guó)學(xué)者DAXWANGER[10]、英國(guó)劍橋大學(xué)OZKUL[11]、臺(tái)灣學(xué)者CHAO[12]、浙江大學(xué)張聰[13]等研究不同的視覺(jué)檢測(cè)車(chē)位線算法，通過(guò)計(jì)算4條車(chē)位線包絡(luò)形成的形狀，實(shí)現(xiàn)對(duì)停車(chē)位類(lèi)型的判斷。但上述兩種車(chē)位識(shí)別方法均有局限性，第一種車(chē)位識(shí)別方法的智能化程度不高，仍需要依靠駕駛員肉眼觀測(cè)來(lái)選擇車(chē)位類(lèi)型。第二種車(chē)位識(shí)別方法的應(yīng)用場(chǎng)景必須要有標(biāo)準(zhǔn)車(chē)位線，在沒(méi)有標(biāo)準(zhǔn)車(chē)位線的情況下，攝像頭無(wú)法識(shí)別出停車(chē)位的類(lèi)型。圖1停車(chē)位智能感知技術(shù)基本原理在現(xiàn)實(shí)生活中，由于每個(gè)駕駛員停車(chē)水平和駕駛習(xí)慣存在差異，導(dǎo)致停車(chē)姿態(tài)各不相同，因而經(jīng)常會(huì)出現(xiàn)不規(guī)則停車(chē)位。在沒(méi)有標(biāo)準(zhǔn)車(chē)位線的輔助下，不規(guī)則停車(chē)位的邊界特征較為復(fù)雜，現(xiàn)有的停車(chē)位識(shí)別技術(shù)無(wú)法識(shí)別出停車(chē)位類(lèi)型，使很多不規(guī)則停車(chē)位資源難以利用，，駕駛技術(shù)不太好的駕駛員只好通過(guò)巡游來(lái)尋找規(guī)則或?qū)挸ǖ耐＼?chē)位，從而造成燃油和時(shí)間浪費(fèi)。近年來(lái)，多傳感器信息融合技術(shù)開(kāi)始受到自動(dòng)泊車(chē)和移動(dòng)機(jī)器人導(dǎo)航研究人員的關(guān)注。臺(tái)灣學(xué)者HSU等[14]基于攝像頭、超聲波雷達(dá)、慣性導(dǎo)航系統(tǒng)和GPS，通過(guò)多傳感器信息融合方法實(shí)現(xiàn)了對(duì)1.5倍車(chē)長(zhǎng)的停車(chē)位識(shí)別；浙江大學(xué)的王飛文等[15]通過(guò)融合攝像頭和超聲波信息，提出了基于泊車(chē)車(chē)位模型和泊車(chē)位車(chē)道線模型的泊車(chē)位檢測(cè)方法；武漢理工大學(xué)趙玲利用神經(jīng)網(wǎng)絡(luò)算法融合視覺(jué)和距離信息，實(shí)現(xiàn)了機(jī)器人自主巡航[16]。然而，現(xiàn)有技術(shù)仍然無(wú)法識(shí)別非標(biāo)準(zhǔn)或沒(méi)有車(chē)位線的不規(guī)則停車(chē)位，對(duì)不規(guī)則停車(chē)位的識(shí)別方法研究也未見(jiàn)報(bào)道。為了提高停車(chē)場(chǎng)資源的利用率以及自動(dòng)泊車(chē)系統(tǒng)的智能化程度，本文通過(guò)融合超聲波傳感器、視覺(jué)信息傳感器
文內(nèi)圖片：
圖片說(shuō)明： ?側(cè)方均安裝有超聲波傳感器和視覺(jué)傳感器，超聲波傳感器用于探測(cè)車(chē)位縱深長(zhǎng)度，視覺(jué)傳感器用于識(shí)別車(chē)位周?chē)?chē)輛的輪轂，里程計(jì)用于讀取自車(chē)行走的距離。在尋庫(kù)過(guò)程中，車(chē)位感知系統(tǒng)實(shí)時(shí)融合超聲波傳感器、視覺(jué)信息傳感器和里程計(jì)的特征數(shù)據(jù)，獲取停車(chē)位周?chē)目臻g幾何參數(shù)，并將其導(dǎo)入停車(chē)位空間模型。然后，模糊推理模塊以停車(chē)位空間模型提取的車(chē)位特征參數(shù)為輸入，輸出車(chē)位類(lèi)型辨識(shí)結(jié)果。最后泊車(chē)路徑規(guī)劃模塊根據(jù)車(chē)位類(lèi)型進(jìn)行泊車(chē)方案匹配計(jì)算，如匹配成功，則進(jìn)入泊車(chē)狀態(tài)；如匹配不成功，則汽車(chē)?yán)^續(xù)向前尋庫(kù)。圖2為自動(dòng)泊車(chē)系統(tǒng)結(jié)構(gòu)組成簡(jiǎn)圖。圖2自動(dòng)泊車(chē)系統(tǒng)結(jié)構(gòu)組成示意圖
【作者單位】： 江蘇大學(xué)汽車(chē)與交通工程學(xué)院;江蘇大學(xué)汽車(chē)工程研究院;
【基金】：國(guó)家自然科學(xué)基金重點(diǎn)(U1564201) 江蘇高校自然學(xué)科研究重大項(xiàng)目(16KJA580001) 江蘇省產(chǎn)學(xué)研前瞻性聯(lián)合創(chuàng)新(BY2012173)資助項(xiàng)目
【分類(lèi)號(hào)】：TP391.41;U463.6


本文編號(hào)：2512832